- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我为 leetcode problem 17 创建了两个解决方案它要求您从电话号码组合中生成所有可能的文本字符串,例如"3"
结果 ["d","e","f"]
.
我的第一个解决方案使用递归算法来生成字符串,如下所示:
class Solution {
public:
void fill_LUT(vector<string>& lut) {
lut.clear();
lut.push_back(" ");
lut.push_back("");
lut.push_back("abc");
lut.push_back("def");
lut.push_back("ghi");
lut.push_back("jkl");
lut.push_back("mno");
lut.push_back("pqrs");
lut.push_back("tuv");
lut.push_back("wxyz");
}
void generate_strings(int index, string& digits, vector<string>& lut, vector<string>& r, string& work) {
if(index >= digits.size()) {
r.push_back(work);
return;
}
char idx = digits[index] - '0';
for(char c : lut[idx]) {
work.push_back(c);
generate_strings(index+1, digits, lut, r, work);
work.pop_back();
}
}
vector<string> letterCombinations(string digits) {
vector<string> r;
vector<string> lut;
fill_LUT(lut);
if(digits.size() <= 0)
return r;
string work;
generate_strings(0, digits, lut, r, work);
return r;
}
};
O(n)
对于递归调用,即其最大深度,
O(n)
对于缓冲区字符串,和
O(n*c^n)
对于结果字符串。将这个总和作为
O(n+n*c^n)
?
c
pushes + pops + recursive call 乘以下一级的操作数,所以听起来像
c^1 + c^2 + ... + c^n
.另外还有
c^n
n
的重复长度字符串。
我如何将其合并为一个不错的大 O 表示?
class Solution {
public:
void fill_LUT(vector<string>& lut) {
lut.clear();
lut.push_back(" ");
lut.push_back("");
lut.push_back("abc");
lut.push_back("def");
lut.push_back("ghi");
lut.push_back("jkl");
lut.push_back("mno");
lut.push_back("pqrs");
lut.push_back("tuv");
lut.push_back("wxyz");
}
vector<string> letterCombinations(string digits) {
vector<string> r;
vector<string> lut;
fill_LUT(lut);
if(digits.size() <= 0)
return r;
unsigned total = 1;
for(int i = 0; i < digits.size(); i++) {
digits[i] = digits[i]-'0';
auto m = lut[digits[i]].size();
if(m > 0) total *= m;
}
for(int i = 0; i < total; i++) {
int current = i;
r.push_back(string());
string& s = r.back();
for(char c : digits) {
int radix = lut[c].size();
if(radix != 0) {
s.push_back(lut[c][current % radix]);
current = current / radix;
}
}
}
return r;
}
};
O(n*c^n)
类似于第一种方案减去缓冲区和递归,时间复杂度必须是
O(n)
对于第一个 for 循环和一个额外的
O(n*c^n)
为每个可能的结果创建一个结果字符串。最后一个大 O 是
O(n+n*c^n)
.
我的思维过程正确吗?
"234"
.第一个递归解决方案将调用
generate_strings
带参数
(0, "234", lut, r, work)
.
lut
是一个将数字转换为其相应字符的查找表。
r
是包含结果字符串的 vector 。
work
是执行工作的缓冲区。
0
数字是
2
对应于
"abc"
,推
a
至
work
,然后调用
generate_strings
带参数
(1, "234", lut, r, work)
.一旦调用返回,它将推送
b
至
work
并冲洗并重复。
index
等于
digits
的大小然后生成了一个唯一的字符串并将该字符串推送到
r
.
"234"
转换为
"\x02\x03\x04"
.然后代码使用这些作为索引在查找表中查找相应字符的数量,并计算结果中的字符串总数。例如如果输入字符串是
"234"
,
2
对应
abc
, 有 3 个字符。
3
对应
def
其中有 3 个字符。
4
对应
ghi
其中有 3 个字符。可能的字符串总数为
3*3*3 = 27
.
i
分别是
15
它将通过第一个发现
15 % 3
进行评估这是
0
, 对应于第一个数字的第一个字符 (
a
)。再分
15
来自
3
这是
5
.
5 % 3
是
2
对应于第二个数字的第三个字符,即
f
.最后分
5
来自
3
然后你得到
1
.
1 % 3
是
1
对应于第三个数字的第二个字符,
h
.因此对应于数字
15
的字符串是
afh
.这是对每个数字执行的,结果字符串存储在
r
中。 .
最佳答案
递归算法:
空间:每一级递归都是 O(1) 并且有 O(n) 级。因此,递归是 O(n)。结果的空间是 O(c^n),其中 c = max(lut[i].length)。算法的总空间为 O(c^n)。
时间:设 T(n) 为长度为 n 的数字的成本。然后我们有递归公式:T(n) <= c T(n-1) + O(1)。求解这个方程给出 T(n) = O(c^n)。
哈希算法:
空间:如果你需要空间来存储所有结果,那么它仍然是 O(c^n)。
时间:O(n+c^n) = O(c^n)。
我喜欢 哈希算法因为如果问题要求您给出特定的字符串结果会更好(假设我们按字母顺序排列它们)。在这种情况下,空间和时间仅为 O(n)。
这个问题让我想起了一个类似的问题:生成集合 {1,2,3,...,n} 的所有排列。散列方法更好,因为通过逐一生成排列并对其进行处理,我们可以节省大量空间。
关于c++ - 两种算法的大O分析,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41903319/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!